Kraften med AI i översättning: Smartlings FoU-genombrott

Generativ AI har varit top of mind i mer än två år. Nu ber chefer över branscher och funktioner sina team att hitta sätt att använda det för att minska kostnaderna eller öka effektiviteten. Men frågan är, fungerar AI verkligen i översättning?

Under de senaste 18 månaderna har Smartling fokuserat vår forskning och utveckling på att hitta ett svar. Specifikt ville vi veta om AI kunde hjälpa oss att leverera översättningslösningar med den bästa kvaliteten, kostnaden, hastigheten och upplevelsen i världen.

Svaret? Ett rungande ja! AI fungerar och det fungerar i stor skala. Men inte varje ansökan är en vinnare.

Var fungerar AI i översättning idag?

När stora språkmodeller (LLM) först kom ut började företag testa dem som en direkt ersättning för maskinöversättning. Men även om det här användningsfallet har potential finns det fortfarande några knäck att arbeta för att säkerställa konsekvent prestanda.

Vårt FoU-team utvärderade flera LLM och maskinöversättning över flera språk och kvalitetsmått (dvs. BLEU, MQM, TER, etc). Detta experiment visade att genom att använda LLM:er för översättningar över alla språk, indikerade automatiserade kvalitetsutvärderingsmått att maskinöversättningsmotorer fortfarande överträffade LLM:er när det gäller översättningskvalitet. Dessutom är maskinöversättning ett mycket billigare tillvägagångssätt för översättning än att använda LLM.

Även om LLM:er ännu inte är det optimala alternativet för översättning, började vårt team se dem lysa i automatisk efterredigering och utvärdering av maskinöversättningsutdata. Istället för att ersätta maskinöversättning har AI visat sig vara ett kraftfullt tillägg till maskinöversättning.

I synnerhet har följande visat sig vara starka tillämpningar för AI:

• Reparation av luddiga tändstickor
• Ordlista term infogning
• Redigera ansträngningsuppskattning
• Formalitet
• Gender de-biasing

Med denna kunskap började vi utveckla och distribuera nya AI-lösningar för våra kunder. Det började med AI-Powered Human Translation, en översättningslösning som sammanför Smartlings expertlingvister och AI-teknik för att leverera högkvalitativa översättningar till halva kostnaden och dubbelt så snabbt.

Sedan började kunderna fråga oss om de kunde använda våra AI-funktioner med sina tredje parts språktjänstleverantörer. Så vi sa ja.

Vi presenterar AI Translation Toolkit

Smartlings AI Translation Toolkit levererar en uppsättning AI-översättningsfunktioner utformade för att avsevärt minska översättningskostnaderna och förbättra språklig prestanda utan att offra kvaliteten. Vi gör vår AI-teknik som har levererat otroliga resultat för våra AIHT-kunder tillgänglig för alla, inklusive:

• AI Fuzzy Match Repair: Öka översättningsminnet med så mycket som 35 procentenheter, vilket leder till betydande kostnadsbesparingar och förbättrad kvalitet.
• AI-ordlista Terminsättning: Bädda in dina ordlistas termer sömlöst i innehållet, vilket garanterar kontextuell och grammatisk noggrannhet.
• Redigera ansträngningsuppskattning: Grupperar översättningar baserat på förväntad ansträngning för att uppnå mänsklig kvalitet. Insikter kan användas i vår automatisering av arbetsflöden för att tilldela strängar till specifika lingvister eller förbigå mänsklig granskning helt.

Låt oss dyka in i var och en av dessa funktioner och forskningen som stöder dem.

Deep Dive: AI Fuzzy Match Repair

Idag är det standard att använda översättningsminnet. AI Fuzzy Match Repair tar dock det traditionella tillvägagångssättet ett steg längre genom att använda LLM:er för att reparera och jämna ut strängar som vanligtvis inte skulle utnyttjas för besparingar.

På bilden nedan kan du till exempel se att källtexten och översättningsminnet matchar bara ett ord från varandra. Med vanligt översättningsminne skulle källtexten vanligtvis behöva översättas helt. Men med fuzzy match reparation kan LLM identifiera skillnaden och tillhandahålla en reparerad översättning. Den föreslagna översättningen skulle nu vara kvalificerad för fuzzy match-rabatter, vilket ger kunderna mer utnyttjande av sina TM:er och minskar arbetsbelastningen för lingvister.

Medan det är i konceptet låter detta som en riktigt cool funktion - vårt FoU-team ville se till att det fungerade. Ännu viktigare, de ville se till att det gav verkligt värde i form av kostnads-, kvalitets- eller hastighetsförbättringar.

För att göra detta översatte de samma innehåll två gånger - en gång med AI fuzzy match repair på och en gång med avstängd. De utvärderade båda scenarierna baserat på HTER för utdataöversättningen och den slutliga mänskliga översättningen. Vi ville se hur många strängar som inte skulle behöva någon mänsklig inblandning efter Fuzzy Match Repair.

Forskningen fann att AI fuzzy match reparation ökade översättningsminnets matchningar med upp till 35 procentenheter och gjorde det ganska konsekvent på olika språk. Detta innebär att kunder kan använda översättningsminnet för mycket mer av sitt innehåll, vilket leder till betydande kostnadsbesparingar och förbättrad konsekvens.

Deep Dive: AI Ordlista Terminsättning

En annan standardpraxis vid översättning är insättning av ordlista. Den traditionella metoden är att helt enkelt rippa och ersätta termer i käll- och måltexten med relevanta termer från ordlistan. Detta tenderar dock att introducera nya flytande problem när dessa ordlistas termer inte överensstämmer med det numeriska antalet, böjningar eller andra grammatiska element i den övergripande meningen.

Med AI Ordlista Term Insertion används en LLM för att "jämna" infogningen av ordlistans term, vilket säkerställer kontextuell och grammatisk noggrannhet. På bilden nedan kan du till exempel se att den traditionella tillämpningen av ordlistan "publicación" har introducerat ett grammatiskt fel i den övergripande strängen där det tillhörande adjektivet nu har den felaktiga böjningen (primer vs. primera). Med hjälp av en LLM infogas lämplig adjektivform och felet elimineras.

Baserat på vår forskning kan LLM:er ha en enorm inverkan på antalet morfologiskt korrekta ordlistainsättningar. När den testades för ryskt och spanskt innehåll ökade funktionen för infogning av termer i AI-ordlistan antalet korrekta infogningar med 25 % respektive 17,5 %. Det är innehåll som inte längre kräver mänsklig ansträngning för att fixa.

Deep Dive: Redigera ansträngningsuppskattning

Vår teknik för Edit Effort Estimation grupperar översättningar baserat på förväntade ansträngningar för att uppnå mänsklig kvalitet. Alla strängar skickas med vår proprietära prompt till en LLM som utvärderar strängar baserat på:

• Grammatisk korrekthet
• Flytande
• Semantisk koherens
• Lexikalisk noggrannhet
• Kvalitetskontroll
• Stilguide (unik för varje kund)

Dessa grupperingar (nivå 1, nivå 2 och nivå 3) kan användas inom dynamisk arbetsflödesautomatisering för att behandla strängar baserat på deras förväntade ansträngning. Till exempel kan ett företag tilldela strängar som kräver omfattande redigeringar till mer erfarna lingvister eller helt förbigå mänsklig granskning på strängar som kräver lite eller inga redigeringar. Kunder kan också använda våra Redigera ansträngningsuppskattningsrabatter för att skapa rabattnivåer för högpresterande stings.

Detta har potential att ge betydande tids- och kostnadsbesparingar för företag, särskilt för de som i hög grad använder mänskliga översättningsarbetsflöden. Det ger också team djupare insikter i deras översättningsprocess.

Revolutionera din översättningsstrategi

Vi har sett AI arbeta för att utöka hävstångseffekten, förbättra noggrannheten i ordlistans insättning av termer, tillämpa formalitet och mer. Det tar dock mycket tid och forskning att identifiera de platser där AI kan vara mest effektivt och ge en stark avkastning på investeringen. Det är där hjälpen från en partner, som Smartling, kommer in, så du behöver inte göra det på egen hand.

En kritisk komponent i vår strategi är vår investering i FoU för att säkerställa att vi kan tillhandahålla den mest omfattande LanguageAI ™ -lösningen i branschen. Vi har flera patent på vårt arbete med generativ AI, och vårt ingenjörsteam har levererat över 70 viktiga funktioner eller förbättringar i häpnadsväckande 3 300 produktionsutgåvor under det senaste året.

Det är vad som krävs för att verkligen säkerställa att AI-lösningar levererar den bästa kvaliteten, kostnaden, hastigheten och upplevelsen i världen.

Lär dig mer om vår senaste forskning och vad vi utforskar härnäst i Global Ready Conference session: Research Revealed - nu på begäran.